Documente Academic
Documente Profesional
Documente Cultură
INFORME ACADÉMICO
AUTOR:
Céliz Ventura Veronica
Estela Guabloche Katherin
Montoya Pizuri Leonardo Antonio
Pérez Ruibal Marin Rober
Sevillano Malaverry Joel Teodoro
Tello Padilla Julio Jefferson
ASESOR:
Pereyra Gonzales Tony
CIUDAD DE MOYOBAMBA-PERÚ
2019
2|Página
INDICE
TÉRMINOS DE INTRODUCCIÓN:
El principal objetivo del análisis de correlación consiste en determinar qué tan intensa es
la relación entre dos variables. Normalmente, el primer paso es mostrar los datos en un
diagrama de dispersión.
Diagrama de Dispersión. - es aquel grafico que representa la relación entre dos variables.
Variable Independiente. - es la variable que proporciona las bases para el cálculo. Cuya
representación es: X1, X2, X3.......
El valor del coeficiente de correlación puede tomar valores desde menos uno hasta uno,
indicando que mientras más cercano a uno sea el valor del coeficiente de correlación, en
cualquier dirección, más fuerte será la asociación lineal entre las dos variables. Mientras
más cercano a cero sea el coeficiente de correlación indicará que más débil es la
asociación entre ambas variables. Si es igual a cero se concluirá que no existe relación
lineal alguna entre ambas variables.
b1: Coeficiente de Regresión (es la variación neta en Y por cada unidad de variación en
X1.).
b2: Coeficiente de Regresión (es el cambio neto en Y para cada cambio unitario en X2).
La regresión múltiple comprende tres o más variables. Existe solo una variable
dependiente, pero hay dos o más de tipo independiente. En esta operación se desarrolla
una ecuación la cual se puede utilizar para predecir valore de y, respecto a valores dados
de la diferencia de variables independientes adicionales a través de incrementar la
capacidad predicativa sobre la de la regresión lineal simple.
Aunque hay muchos problemas en los cuales una variable puede predecirse con bastante
exactitud en términos de otra, parece razonable que las predicciones deban mejorar si
adicionalmente se considera información relevante.
Una extensión natural del modelo de regresión lineal simple consiste en considerar más
de una variable explicativa.
Los modelos de regresión múltiple estudian la relación entre:
Donde:
Se pueden aplicar técnicas de mínimos cuadrados similares para estimar los coeficientes
cuando los modelos lineales involucran potencias y productos de las variables
independientes.
CORRELACION MULTIPLE
El grado de relación existente entre tres o más variables se llama correlación múltiple.
Los principios fundamentales implicados en los problemas de correlación múltiple son
análogos a los de la correlación simple tratada con anterioridad.
Como se observó en la parte de regresión lineal múltiple, existe una ecuación de regresión
para estimar una variable dependiente, a partir de variables independientes.
Vamos a suponer una ecuación de regresión para el caso de tres variables, como a
continuación se indica:
Tomando como referencia esta ecuación, si los coeficientes de correlación lineal entre las
variables X1 y X2, X1 y X3, X2 y X3 se calculan como en la parte de correlación lineal
simple y se denotan, respectivamente, por r12, r13, r23 (también llamados coeficientes
de correlación de orden cero), el plano de regresión de mínimos cuadrados tiene la
ecuación:
Podemos comenzar definiendo que es una técnica usada en estadística para establecer una
relación entre algunas variables dependientes o para explicar algunas variables
independientes. Existen muchos conceptos importantes relacionados con este método que
son importantes conocer al momento de realizar una regresión lineal múltiple.
Heterocedasticidad
Este concepto estadístico hace referencia a las perturbaciones no constantes durante las
observaciones realizadas, sin embargo, con respecto a la regresión lineal implica no seguir
el modelo de regresión lineal múltiple. La Heterocedasticidad se presenta en algunos
casos cuando los datos de una muestra son valores que se han promediado o han sido
simplemente agregados.
Multicolinealidad
Este concepto está vinculado a las variables explicativas y la correlación entre ellas. La
correlación entre dos variables siempre va darse a menos que el experimento se realice
en las condiciones específicas de un laboratorio.
8|Página
Multicolinealidad exacta
Este concepto importante para entender la regresión lineal múltiple es una forma de
multicolinealidad que se da cuando una variable o más son una combinación lineal de la
otra, lo cual también se conoce como coeficiente de correlación entre dos variables.
Multicolinealidad aproximada
Este fenómeno ocurre cuando no se puede afirmar que una o más variables sean una
combinación lineal de la otra, aunque existe un coeficiente entre ellas muy cercano uno
del otro.
Líneas de tendencia
Una línea de tendencia representa una tendencia en una serie de datos obtenidos a través
de un largo período. Este tipo de líneas puede decirnos si un conjunto de datos en
particular (como, por ejemplo, el PBI, el precio del petróleo o el valor de las acciones)
han aumentado o decremento en un determinado período.8 Se puede dibujar una línea de
tendencia a simple vista fácilmente a partir de un grupo de puntos, pero su posición y
pendiente se calcula de manera más precisa utilizando técnicas estadísticas como las
regresiones lineales. Las líneas de tendencia son generalmente líneas rectas, aunque
algunas variaciones utilizan polinomios de mayor grado dependiendo de la curvatura
deseada en la línea.
Medicina
COEFICIENTE DE CORRELACIÓN
CLASIFICACIÓN DE LA CORRELACIÓN.
TIPOS DE CORRELACIÓN.
Nos indica que al modificarse en promedio una variable en un sentido, la otra lo hace en
la misma dirección.
Incorrelación r = 0
Cuando la obtención de dicho indicador “r” sea exactamente igual a cero, se dice que no
existe alguna relación, asociación o dependencia entre las variables estudiadas, siendo
por tanto ellas, variables correlacionadas o faltes de alguna dependencia lineal. p.( 239-
240
EJERCICIOS.
EJERCICION°1
Calcular el coeficiente de correlación lineal
Un centro comercial sabe en función de la distancia, en kilómetros, a la que se sitúe de
un núcleo de población, acuden los clientes, en cientos, que figuran en la tabla:
Nº de Clientes (X) Distancia (Y)
8 15
7 19
6 25
4 23
2 34
1 40
8 15 120 64 225
7 19 133 49 361
6 25 150 36 625
4 23 92 16 529
2 34 68 4 1 156
1 40 40 1 1 600
EJERCICIO N°2
Una compañía desea hacer predicciones del valor anual de sus ventas totales en cierto
país a partir de la relación de éstas y la renta nacional. Para investigar la relación cuenta
con los siguientes datos: XY
EJERCICIO N°3
Los valores de dos variables X e Y se distribuyen según la tabla siguiente:
Se pide:
1 Calcular la covarianza.
EJERCICIO N°4
En una empresa de transportes trabajan cuatro conductores. Los años de antigüedad de
permisos de conducir y el número de infracciones cometidas en el último año por cada
uno de ellos son los siguientes:
EJERCICIO N°5
Una persona rellena semanalmente una quiniela y un boleto de lotería primitiva
anotando el número de aciertos que tiene. Durante las cuatro semanas del mes de
febrero, los aciertos fueron:
EJERCICIO N°6
17 | P á g i n a
18 | P á g i n a
BIBLIOGRAFÍA